引導式測驗 · 中等 等級

多臂強盜測驗

檢查探索、利用、遺憾、epsilon-greedy、UCB 置信度獎勵、Thompson 採樣和上下文特徵。

相關引導路徑多武裝強盜
問題 1 的 8

多臂老虎機問題的核心權衡在於:

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. 多臂老虎機問題的核心權衡在於:
    • 勘探與開發
    • 偏差和方差
    • 準確率和召回率
    • 訓練和推理
  2. 在強盜問題中,「遺憾」指的是:
    • 演算法使用的內存
    • 累積獎勵差距與始終發揮最佳臂力的差距
    • 可用武器數量
    • 訓練模型的時間
  3. epsilon-貪婪策略有什麼作用?
    • 總是選擇平均值最高的手臂
    • 從不探索任何手臂
    • 主要利用最好的手臂,但以機率 epsilon 隨機探索
    • 永遠拉動每隻手臂相同的次數
  4. 置信上限 (UCB) 方法遵循以下原則:
    • 面對不確定性持悲觀態度
    • 完全忽略不確定性
    • 僅隨機選擇
    • 面對不確定性保持樂觀
  5. 湯普森採樣透過以下方式選擇臂:
    • 從每隻手臂的後驗信念中採樣並播放最佳樣本
    • 總是選擇拉最少的手臂
    • 按固定循環順序挑選手臂
    • 最小化訓練損失
  6. 上下文強盜與標準強盜有何不同?
    • 它完全忽略了獎勵
    • 它利用當前情況的特徵來告知選擇
    • 它只有一隻手臂
    • 它無法隨著時間的推移而學習
  7. In UCB, which arm usually receives a larger exploration bonus?
    • An arm whose sample count is largest
    • An arm with no uncertainty by definition
    • An arm that has been sampled relatively few times
    • An arm with a negative reward only
  8. What does logarithmic regret growth indicate over a long run?
    • The algorithm receives zero reward after each round
    • The best arm changes at every step
    • Exploration stops before the first observation
    • The cumulative gap from always choosing the best arm grows much slower than the number of rounds